हम एक सुपरमाइक्रो X11DPH-I मदरबोर्ड और 2xGB रैम के साथ 2x Xeon Gold 6154 CPUs का उपयोग कर एक सर्वर का परीक्षण कर रहे हैं, और केवल 1 CPU (एक खाली खाली) के साथ चलने की तुलना में कुछ बहुत ही अजीब प्रदर्शन समस्याओं को मिला, समान दोहरी CPU हैसवेल Xeon E5-2687Wv3 (परीक्षणों की इस श्रृंखला के लिए, लेकिन अन्य ब्रॉडवेल समान प्रदर्शन करते हैं), ब्रॉडवेल-ई i7s, और स्काईलेक-एक्स i9s (तुलना के लिए)।
यह उम्मीद की जाएगी कि स्केलेक ज़ीओन प्रोसेसर तेज मेमोरी के साथ हैसवेल की तुलना में तेजी से प्रदर्शन करेगा, जब यह विभिन्न यादगार कार्यों और यहां तक कि मेमोरी आवंटन (नीचे दिए गए परीक्षणों में कवर नहीं किया जाता है, जैसा कि हमने वर्कअराउंड पाया), लेकिन इसके बजाय दोनों इंस्टालर स्थापित किए गए , Skylake Xeons, Haswell Xeons के रूप में लगभग आधी गति से प्रदर्शन करती है, और i7-6800k की तुलना में कम भी। स्मृति अजनबी के लिए NUMA नोड असाइन करने के लिए Windows VirtualAllocExNuma का उपयोग करते समय, अजनबी भी होता है, जबकि सादे मेमोरी कॉपी फ़ंक्शंस अपेक्षित रूप से दूरस्थ नोड बनाम स्थानीय नोड पर बदतर प्रदर्शन करते हैं, मेमोरी कॉपी फ़ंक्शंस SSE, MMX और AVX रजिस्टरों का उपयोग करते हुए बहुत प्रदर्शन करते हैं। दूरस्थ NUMA नोड पर स्थानीय नोड की तुलना में अधिक तेज़ (क्या?)। जैसा कि ऊपर उल्लेख किया गया है, Skylake Xeons के साथ,
मुझे यकीन नहीं है कि यह मदरबोर्ड या सीपीयू पर बग है, या यूपीआई बनाम क्यूपीआई के साथ, या उपरोक्त में से कोई भी नहीं है, लेकिन BIOS सेटिंग्स का कोई संयोजन इसका लाभ उठाने के लिए नहीं लगता है। बायोस में NUMA (परीक्षण परिणामों में शामिल नहीं) को अक्षम करने से SSE, MMX और AVX रजिस्टरों का उपयोग करके सभी कॉपी फ़ंक्शंस के प्रदर्शन में सुधार होता है, लेकिन अन्य सभी सादे मेमोरी कॉपी फ़ंक्शंस में बड़े नुकसान भी होते हैं।
हमारे परीक्षण कार्यक्रम के लिए, हमने इनलाइन असेंबली फ़ंक्शंस और _mmआंतरिक दोनों का उपयोग करके परीक्षण किया, हमने असेंबली फ़ंक्शंस को छोड़कर सब कुछ के लिए विज़ुअल स्टूडियो 2017 के साथ विंडोज 10 का उपयोग किया, जो कि msvc ++ x64 के लिए asm को संकलित नहीं करेगा, हमने ming / msys से gcc का उपयोग किया -c -O2झंडे का उपयोग करके एक obj फ़ाइल संकलित करें , जिसे हमने msvc ++ लिंकर में शामिल किया है।
यदि सिस्टम NUMA नोड्स का उपयोग कर रहा है, तो हम प्रत्येक NUMA नोड के लिए VirtualAllocExNuma के साथ मेमोरी आवंटन के लिए दोनों ऑपरेटरों का परीक्षण करते हैं और प्रत्येक मेमोरी कॉपी फ़ंक्शन के लिए प्रत्येक 16MB की 100 मेमोरी बफर प्रतियों का संचयी औसत करते हैं, और उस मेमोरी आवंटन को घुमाते हैं, जिस पर हम हैं परीक्षणों के प्रत्येक सेट के बीच।
सभी 100 स्रोत और 100 गंतव्य बफ़र्स 64 बाइट्स हैं (स्ट्रीमिंग कार्यों का उपयोग करके एवीएक्स 512 के अनुकूलता के लिए) और स्रोत बफ़र्स के लिए वृद्धिशील डेटा के लिए एक बार आरंभिक, और गंतव्य बफ़र्स के लिए 0xff।
प्रत्येक मशीन पर प्रत्येक कॉन्फ़िगरेशन के साथ औसतन प्रतियों की संख्या भिन्न होती है, क्योंकि यह कुछ पर बहुत तेज थी, और दूसरों पर बहुत धीमी थी।
परिणाम इस प्रकार थे:
32 जीबी DDR4-2400 (10c / 20t, L3 कैश के 25 एमबी) के साथ सुपरमाइक्रो X10DAi पर Haswell Xeon E5-2687Wv3 1 सीपीयू (1 खाली सॉकेट )। लेकिन याद रखें, बेंचमार्क 16MB बफ़र्स के 100 जोड़े के माध्यम से घूमता है, इसलिए हमें शायद L3 कैश हिट नहीं मिल रहा है।
---------------------------------------------------------------------------
Averaging 7000 copies of 16MB of data per function for operator new
---------------------------------------------------------------------------
std::memcpy averaging 2264.48 microseconds
asm_memcpy (asm) averaging 2322.71 microseconds
sse_memcpy (intrinsic) averaging 1569.67 microseconds
sse_memcpy (asm) averaging 1589.31 microseconds
sse2_memcpy (intrinsic) averaging 1561.19 microseconds
sse2_memcpy (asm) averaging 1664.18 microseconds
mmx_memcpy (asm) averaging 2497.73 microseconds
mmx2_memcpy (asm) averaging 1626.68 microseconds
avx_memcpy (intrinsic) averaging 1625.12 microseconds
avx_memcpy (asm) averaging 1592.58 microseconds
avx512_memcpy (intrinsic) unsupported on this CPU
rep movsb (asm) averaging 2260.6 microseconds
64 जीबी रैम के साथ सुपरमाइक्रो X10DAi पर हैसवेल डुअल एक्सोन E5-2687Wv3 2 सीपीयू
---------------------------------------------------------------------------
Averaging 6900 copies of 16MB of data per function for VirtualAllocExNuma to NUMA node 0(local)
---------------------------------------------------------------------------
std::memcpy averaging 3179.8 microseconds
asm_memcpy (asm) averaging 3177.15 microseconds
sse_memcpy (intrinsic) averaging 1633.87 microseconds
sse_memcpy (asm) averaging 1663.8 microseconds
sse2_memcpy (intrinsic) averaging 1620.86 microseconds
sse2_memcpy (asm) averaging 1727.36 microseconds
mmx_memcpy (asm) averaging 2623.07 microseconds
mmx2_memcpy (asm) averaging 1691.1 microseconds
avx_memcpy (intrinsic) averaging 1704.33 microseconds
avx_memcpy (asm) averaging 1692.69 microseconds
avx512_memcpy (intrinsic) unsupported on this CPU
rep movsb (asm) averaging 3185.84 microseconds
---------------------------------------------------------------------------
Averaging 6900 copies of 16MB of data per function for VirtualAllocExNuma to NUMA node 1
---------------------------------------------------------------------------
std::memcpy averaging 3992.46 microseconds
asm_memcpy (asm) averaging 4039.11 microseconds
sse_memcpy (intrinsic) averaging 3174.69 microseconds
sse_memcpy (asm) averaging 3129.18 microseconds
sse2_memcpy (intrinsic) averaging 3161.9 microseconds
sse2_memcpy (asm) averaging 3141.33 microseconds
mmx_memcpy (asm) averaging 4010.17 microseconds
mmx2_memcpy (asm) averaging 3211.75 microseconds
avx_memcpy (intrinsic) averaging 3003.14 microseconds
avx_memcpy (asm) averaging 2980.97 microseconds
avx512_memcpy (intrinsic) unsupported on this CPU
rep movsb (asm) averaging 3987.91 microseconds
---------------------------------------------------------------------------
Averaging 6900 copies of 16MB of data per function for operator new
---------------------------------------------------------------------------
std::memcpy averaging 3172.95 microseconds
asm_memcpy (asm) averaging 3173.5 microseconds
sse_memcpy (intrinsic) averaging 1623.84 microseconds
sse_memcpy (asm) averaging 1657.07 microseconds
sse2_memcpy (intrinsic) averaging 1616.95 microseconds
sse2_memcpy (asm) averaging 1739.05 microseconds
mmx_memcpy (asm) averaging 2623.71 microseconds
mmx2_memcpy (asm) averaging 1699.33 microseconds
avx_memcpy (intrinsic) averaging 1710.09 microseconds
avx_memcpy (asm) averaging 1688.34 microseconds
avx512_memcpy (intrinsic) unsupported on this CPU
rep movsb (asm) averaging 3175.14 microseconds
स्काईलेक एक्सॉन गोल्ड 6154 1 सीपीयू (1 खाली सॉकेट) सुपरमाइक्रो X11DPH-I पर 48GB DDR4-2666 (18c / 36t, 24.75 MB L3 कैश के साथ)
---------------------------------------------------------------------------
Averaging 5000 copies of 16MB of data per function for operator new
---------------------------------------------------------------------------
std::memcpy averaging 1832.42 microseconds
asm_memcpy (asm) averaging 1837.62 microseconds
sse_memcpy (intrinsic) averaging 1647.84 microseconds
sse_memcpy (asm) averaging 1710.53 microseconds
sse2_memcpy (intrinsic) averaging 1645.54 microseconds
sse2_memcpy (asm) averaging 1794.36 microseconds
mmx_memcpy (asm) averaging 2030.51 microseconds
mmx2_memcpy (asm) averaging 1816.82 microseconds
avx_memcpy (intrinsic) averaging 1686.49 microseconds
avx_memcpy (asm) averaging 1716.15 microseconds
avx512_memcpy (intrinsic) averaging 1761.6 microseconds
rep movsb (asm) averaging 1977.6 microseconds
Skylake Xeon Gold 6154 2 CPU सुपरमाइक्रो X11DPH-I पर 96GB DDR4-2666 के साथ
---------------------------------------------------------------------------
Averaging 4100 copies of 16MB of data per function for VirtualAllocExNuma to NUMA node 0(local)
---------------------------------------------------------------------------
std::memcpy averaging 3131.6 microseconds
asm_memcpy (asm) averaging 3070.57 microseconds
sse_memcpy (intrinsic) averaging 3297.72 microseconds
sse_memcpy (asm) averaging 3423.38 microseconds
sse2_memcpy (intrinsic) averaging 3274.31 microseconds
sse2_memcpy (asm) averaging 3413.48 microseconds
mmx_memcpy (asm) averaging 2069.53 microseconds
mmx2_memcpy (asm) averaging 3694.91 microseconds
avx_memcpy (intrinsic) averaging 3118.75 microseconds
avx_memcpy (asm) averaging 3224.36 microseconds
avx512_memcpy (intrinsic) averaging 3156.56 microseconds
rep movsb (asm) averaging 3155.36 microseconds
---------------------------------------------------------------------------
Averaging 4100 copies of 16MB of data per function for VirtualAllocExNuma to NUMA node 1
---------------------------------------------------------------------------
std::memcpy averaging 5309.77 microseconds
asm_memcpy (asm) averaging 5330.78 microseconds
sse_memcpy (intrinsic) averaging 2350.61 microseconds
sse_memcpy (asm) averaging 2402.57 microseconds
sse2_memcpy (intrinsic) averaging 2338.61 microseconds
sse2_memcpy (asm) averaging 2475.51 microseconds
mmx_memcpy (asm) averaging 2883.97 microseconds
mmx2_memcpy (asm) averaging 2517.69 microseconds
avx_memcpy (intrinsic) averaging 2356.07 microseconds
avx_memcpy (asm) averaging 2415.22 microseconds
avx512_memcpy (intrinsic) averaging 2487.01 microseconds
rep movsb (asm) averaging 5372.98 microseconds
---------------------------------------------------------------------------
Averaging 4100 copies of 16MB of data per function for operator new
---------------------------------------------------------------------------
std::memcpy averaging 3075.1 microseconds
asm_memcpy (asm) averaging 3061.97 microseconds
sse_memcpy (intrinsic) averaging 3281.17 microseconds
sse_memcpy (asm) averaging 3421.38 microseconds
sse2_memcpy (intrinsic) averaging 3268.79 microseconds
sse2_memcpy (asm) averaging 3435.76 microseconds
mmx_memcpy (asm) averaging 2061.27 microseconds
mmx2_memcpy (asm) averaging 3694.48 microseconds
avx_memcpy (intrinsic) averaging 3111.16 microseconds
avx_memcpy (asm) averaging 3227.45 microseconds
avx512_memcpy (intrinsic) averaging 3148.65 microseconds
rep movsb (asm) averaging 2967.45 microseconds
ASUS ROG रैम्पेज VI पर Skylake-X i9-7940X 32GB DDR4-4266 (14c / 28t, L3 कैश का 19.25 एमबी) के साथ चरम ( 3.8GHz / 4.4GHz कॉम्बो पर ओवरक्लॉक किया गया ) , 4040MHz पर DDR, टारगेट AVX फ्रीक्वेंसी 3737MHz, टारगेट AVX- 512 फ़्रिक्वेंसी 3535 मेगाहर्ट्ज़, लक्ष्य कैश फ़्रीक्वेंसी 2424 मेगाहर्ट्ज़)
---------------------------------------------------------------------------
Averaging 6500 copies of 16MB of data per function for operator new
---------------------------------------------------------------------------
std::memcpy averaging 1750.87 microseconds
asm_memcpy (asm) averaging 1748.22 microseconds
sse_memcpy (intrinsic) averaging 1743.39 microseconds
sse_memcpy (asm) averaging 3120.18 microseconds
sse2_memcpy (intrinsic) averaging 1743.37 microseconds
sse2_memcpy (asm) averaging 2868.52 microseconds
mmx_memcpy (asm) averaging 2255.17 microseconds
mmx2_memcpy (asm) averaging 3434.58 microseconds
avx_memcpy (intrinsic) averaging 1698.49 microseconds
avx_memcpy (asm) averaging 2840.65 microseconds
avx512_memcpy (intrinsic) averaging 1670.05 microseconds
rep movsb (asm) averaging 1718.77 microseconds
24GB DDR4-2400 (6c / 12t , 15 MB का L3 कैश) के साथ ASUS X99 पर ब्रॉडवेल i7-6800k )
---------------------------------------------------------------------------
Averaging 64900 copies of 16MB of data per function for operator new
---------------------------------------------------------------------------
std::memcpy averaging 2522.1 microseconds
asm_memcpy (asm) averaging 2615.92 microseconds
sse_memcpy (intrinsic) averaging 1621.81 microseconds
sse_memcpy (asm) averaging 1669.39 microseconds
sse2_memcpy (intrinsic) averaging 1617.04 microseconds
sse2_memcpy (asm) averaging 1719.06 microseconds
mmx_memcpy (asm) averaging 3021.02 microseconds
mmx2_memcpy (asm) averaging 1691.68 microseconds
avx_memcpy (intrinsic) averaging 1654.41 microseconds
avx_memcpy (asm) averaging 1666.84 microseconds
avx512_memcpy (intrinsic) unsupported on this CPU
rep movsb (asm) averaging 2520.13 microseconds
असेंबली फ़ंक्शन xine-libs में fast_memcpy से लिए गए हैं, जिनका उपयोग केवल msvc ++ के ऑप्टिमाइज़र के साथ तुलना करने के लिए किया जाता है।
परीक्षण के लिए स्रोत कोड https://github.com/marcmicalizzi/memcpy_test पर उपलब्ध है (यह पोस्ट में थोड़ा लंबा है)
क्या किसी और ने इसमें भाग लिया है या किसी को इस बात की कोई जानकारी नहीं है कि ऐसा क्यों हो रहा है?
अपडेट 2018-05-15 13: 40EST
इसलिए जैसा कि पीटर कॉर्डेस द्वारा सुझाया गया है, मैंने प्रीफ़ेटडेक की तुलना करने के लिए परीक्षण को अपडेट किया है बनाम प्रीफ़ेट नहीं किया गया है, और एनटी स्टोर बनाम नियमित स्टोर, और प्रत्येक फ़ंक्शन में किए गए प्रीफ़ेटिंग को ट्यून किया है ( मुझे प्रीफ़ैचिंग लिखने के साथ कोई सार्थक अनुभव नहीं है, इसलिए यदि मैं इसके साथ कोई भी गलती कर रहा हूं, कृपया मुझे बताएं और मैं तदनुसार परीक्षणों को समायोजित करूंगा। प्रीफेचिंग का प्रभाव पड़ता है, इसलिए बहुत कम से कम यह कुछ कर रहा है )। ये परिवर्तन GitHub लिंक से नवीनतम संशोधन में परिलक्षित होते हैं जो मैंने पहले किसी के लिए स्रोत कोड की तलाश में बनाया था।
मैंने SSE4.1 को भी जोड़ा है, क्योंकि SSE4.1 से पहले मुझे कोई भी नहीं मिल _mm_stream_loadरहा है (मैं विशेष रूप से इस्तेमाल किया गया _mm_stream_load_si128) SSE फ़ंक्शंस, इसलिए sse_memcpyऔर sse2_memcpyपूरी तरह से NT स्टोर्स का उपयोग नहीं कर सकता, और साथ ही avx_memcpyफ़ंक्शन AVX2 फ़ंक्शन का उपयोग करता है स्ट्रीम लोडिंग के लिए।
मैंने अभी तक शुद्ध स्टोर और शुद्ध लोड एक्सेस पैटर्न के लिए एक परीक्षण नहीं करने का विकल्प चुना, क्योंकि मुझे यकीन नहीं है कि शुद्ध स्टोर सार्थक हो सकता है, क्योंकि रजिस्टरों के लिए लोड के बिना यह एक्सेस कर रहा है, डेटा अर्थहीन और असत्य होगा।
नए परीक्षण के साथ दिलचस्प परिणाम यह था कि एक्सोन स्काईलेक डुअल सॉकेट सेटअप पर और केवल उस सेटअप पर, स्टोर फ़ंक्शन वास्तव में 16 एमबी मेमोरी कॉपी के लिए एनटी स्ट्रीमिंग फ़ंक्शन की तुलना में काफी तेज थे। साथ ही केवल उस सेटअप पर भी (और केवल BIOS में सक्षम एलएलसी प्रीफैच के साथ), कुछ परीक्षणों (एसएसई, एसएसई ४.१) में प्रीफेटेन्क्टा प्रीफेटचैट ० और प्रीफैच दोनों से बेहतर प्रदर्शन करता है।
इस नए परीक्षण के कच्चे परिणाम पोस्ट में जोड़ने के लिए बहुत लंबे हैं, इसलिए वे उसी git रिपॉजिटरी पर स्रोत कोड के तहत पोस्ट किए जाते हैं results-2018-05-15
मुझे अभी भी समझ में नहीं आया है कि NT स्टोर की स्ट्रीमिंग के लिए, दूरस्थ NUMA नोड Skylake SMP सेटअप के तहत अधिक तेज़ क्यों है, यद्यपि नियमित स्टोर का उपयोग करना स्थानीय NUMA नोड की तुलना में अभी भी तेज़ है
prefetchntaNT स्टोर का उपयोग कर रही हैं ! यह एक बहुत बड़ा महत्वपूर्ण तथ्य है जो आपने अपने प्रश्न से छोड़ दिया है! ERMSB बनाम NT वेक्टर स्टोर बनाम नियमित वेक्टर स्टोर की अधिक चर्चा के लिए मेमोरपी के लिए संवर्धित REP MOVSB देखें rep movsb। उस के साथ खिलवाड़ करना MMX बनाम SSE की तुलना में अधिक उपयोगी होगा। शायद एवीएक्स और / या एवीएक्स ५१२ का उपयोग करें और एनटी बनाम नियमित की कोशिश करें, और / या एसडब्ल्यू प्रीफैच को छोड़ दें।
prefetchntaL3 के साथ-साथ L2 (क्योंकि L3 गैर-समावेशी है) को बायपास करता है, इसलिए यह पूर्ववर्ती दूरी के लिए अधिक संवेदनशील है (बहुत देर से और डेटा को DRAM से फिर से सभी तरह से आना है, न कि केवल L3 से), इसलिए और अधिक भंगुर है "( सही दूरी ट्यूनिंग के लिए संवेदनशील)। अगर मैं सही ढंग से पढ़ रहा हूँ तो आपकी प्रीफ़ैच की दूरी काफी कम दिखती है, हालाँकि, 500 बाइट्स के नीचे। @ एसकेएक्स पर रहस्यवादी परीक्षण में पाया prefetchntaगया है कि उस यूरेश पर एक बड़ी मंदी हो सकती है ), और वह इसकी सिफारिश नहीं करता है।